[发明专利]基于四等分及各成分重构误差最优组合的人脸图像识别方法

摘要

本发明公开了一种基于四等分及各成分重构误差最优组合的人脸图像识别方法。将所有图像划分成互不重叠和大小相等的四部分，通过SRC算法学习测试图像每一部分用训练图像相应部分表示的稀疏系数和重构误差，构建重构误差矩阵。通过图像每一部分的分类准确率计算图像各部分的最优权重，对重构误差采用最优权重线性聚合的方法，为测试图像分类。在基于稀疏编码的图像分类方法基础上，对图像不同成分进行加权线性组合，为判别力较强的部分分配较高的权值，为判别力较弱的部分分配较低的权值，从而使图像的整体判别力得到提升，提高了识别准确度。提出的各成分重构误差的最优组合方法对图像不同部分的稀疏重构误差进行最优组合，提高了人脸识别准确率。

主权项

1.一种基于各成分重构误差最优组合的人脸图像识别方法，其特征在于包括如下步骤：步骤一：将已知类别属性但属于L个不同类别的人脸图像训练样本集X和人脸图像测试样本Y以相同的方式，自上而下均匀划分为互不重叠且大小相等的m个部分，划分后，第l类中的每个人脸图像xli∈Xl(i∈{1,2,…,nl})分为m部分，每一部分记为xlij(j∈{1,2,…,m})，其中，Xl表示整个人脸图像训练样本集X中的第l类，nl表示第l类中的图像数，第l类中所有图像的第j部分组成的集合记为Xlj＝{xl1j,…,xlij,…,xlnlj}，所有L类训练图像的第j部分组成的集合记为X(j)＝{X1j,…,Xlj,…,XLj}，测试图像记为y且其每一部分记为yj(j∈{1,2,…,m})；步骤二：将所有训练图像的第j部分矢量化后构成字典矩阵，对测试图像的第j部分进行稀疏编码，得到第j部分的稀疏表示系数，记为wj＝(w1j；…,wlj；…；wLj)，对j的m个取值分别进行同样的操作，即对测试图像的每一部分，均得到用训练图像相应部分线性表示的稀疏表示系数，其中稀疏表示系数的求解根据如下公式得到：min||yj‑X(j)wj||2+λ||wj||1for j∈{1,2,…,m}，其中λ是用于平衡重构误差与稀疏度的参数；步骤三：计算测试图像y每个部分对应所有类相应部分的稀疏表示的重构误差，对第l类的第j部分的重构误差表示为dlj＝||yj‑Xljwlj||2，其中j∈{1,2,…,m}和l∈{1,2,…,L}，并得到图像y的损失矩阵D(y)，该损失矩阵中第l行第j列元素由dlj给出，即步骤四：根据损失矩阵，计算测试图像各个部分重构误差的最优组合值；步骤五：重构误差的最优组合值最小的类即判断为测试图像的类，即根据如下公式为测试图像y分配预测类标签：cl(y)＝argminfl(p)。